本文对转换测量卡尔曼滤波算进行了研究，并将其与直角坐标系下的行了对比，重点对偏差进行分析。最后，通过仿真试验对转换测量卡尔曼滤波和扩展卡尔曼滤波算法进行仿真比较。

1。2 技术研究现状

1。3 本文主要工作及论文结构安排文献综述

本文主要研究机动目标跟踪问题，主要是对于修正无偏转换测量卡尔曼滤波算法（MUCMKF）的研究，然后通过与扩展卡尔曼滤波（EKF）进行试验的对比分析研究，并且修改了滤波器的初始协方差矩阵，从而能够在试验时达到快速滤波的效果，最后通过仿真试验对修正无偏转换测量卡尔曼滤波算法和扩展卡尔曼滤波两种算法进行对比和分析总结。全文共分为六部分，具体如下：

第一章介绍对于目标跟踪问题研究的意义以及目前国内外研究现状，同时对于主要研究内容修正无偏转换测量卡尔曼滤波算法作简要介绍

第二章对机动目标跟踪概念进行介绍，然后分析在跟踪问题中的坐标轴问题，最后对目标跟踪几种模型的介绍

第三章针对非线性系统的滤波，在完成对卡尔曼滤波方法进行简要介绍的基础上，重点对非线性系统滤波的方法扩展卡尔曼滤波(EKF)进行分析

第四章重点对于修正无偏转换测量卡尔曼滤波进行介绍，完成对于偏差的分析

第五章通过前面对于试验理论分析，然后进行仿真试验对于两种滤波算法进行比较

2  机动目标跟踪简介

2。1  机动目标运动模型

在对目标跟踪进行滤波的过程中，一般先要对目标运动规律建立比较合理的数学建模模型，这样目标状态比如速度等才能被准确的估计[6]。然而，有时被关注目标由于自身原因，会自发的改变其原有的运动状态，这就造成了目标运动规律会和滤波器已经建立的模型不匹配的问题，即发生了目标的机动。机动目标跟踪技术就是保证当目标发生机动时，仍然使得跟踪滤波器能继续适应目标运动方式的变化，从而可以获得目标运动的正确轨迹。

在运动目标的跟踪的问题中，假设目标是做匀速直线运动，那么目标的运动状态就很容易得出，但是如果目标是做不规则运动时，由于我们无法预估目标即将进行的运动状态，目标的跟踪就变得十分困难，因此，我们需要建立合适的运动目标模型来对目标进行描述，比如说匀速的模型（CV），匀加速的模型（CA），一阶时间相关的模型（singer模型），“当前”统计模型（CS）等模型，本次研究主要是针对匀速的模型以及匀加速的模型等进行研究。但是总的说来，一般实际情况中匀速模型是很少会出现的，只有当目标做匀速直线运动或者近似匀速直线运动时才会存在较好的效果。目标运动时如果状态改变不大，那么我们就可以使用匀加速模型对目标进行分析。如果目标状态改变较大，在做机动的话，此时我们就需要使用均值自适应的当前统计模型来对目标模型进行分析[7]。

2。1。1 匀速模型（CV）与匀加速模型（CA）

在现实情况下，一般在目标运动时会受到随机的干扰。如果目标做比较稳定，变化不大的运动时，即目标正在进行匀速运动或者匀加速运动时，就可采用下面匀速模型（CV）或者匀加速模型（CA）来对目标进行描述。来:自[优E尔L论W文W网www.youerw.com +QQ752018766-

匀速模型（CV）：（1）

匀加速模型（CA）：

在这两个公式中，，分别代表了运动目标的位置、运动速度以及加速度的分量；代表的是高斯白噪声，噪声均值大小为0，方差的值大小为。